KR20190061660A - 전경 영상 기반의 제품 검사 장치 및 방법 - Google Patents

전경 영상 기반의 제품 검사 장치 및 방법 Download PDF

Info

Publication number
KR20190061660A
KR20190061660A KR1020170160272A KR20170160272A KR20190061660A KR 20190061660 A KR20190061660 A KR 20190061660A KR 1020170160272 A KR1020170160272 A KR 1020170160272A KR 20170160272 A KR20170160272 A KR 20170160272A KR 20190061660 A KR20190061660 A KR 20190061660A
Authority
KR
South Korea
Prior art keywords
product
foreground image
learned
current
standard deviation
Prior art date
Application number
KR1020170160272A
Other languages
English (en)
Inventor
박용주
임용석
김상윤
Original Assignee
전자부품연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 전자부품연구원 filed Critical 전자부품연구원
Priority to KR1020170160272A priority Critical patent/KR20190061660A/ko
Publication of KR20190061660A publication Critical patent/KR20190061660A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 전경 영상 기반의 제품 검사 장치 및 방법에 관한 것으로, 생산라인에서 단순 오류 검출을 위한 복잡한 솔루션 설치와 config 등의 작업 없이도 다양한 제품에 대하여 간편하게 단순 오류 검출을 수행하여 비용을 최소화 하기 위한 것이다. 제품 검사 장치는 생산라인에서 검사하고자 하는 제품의 양품을 포함한 전경 영상을 복수회 등록하여 학습된 전경 영상을 생성한다. 제품 검사 장치는 생산라인에 검사하고자 하는 제품이 투입되면, 제품의 현재 전경 영상을 획득한다. 그리고 제품 검사 장치는 현재 전경 영상과 학습된 전경 영상을 비교하여 제품의 양불량을 검사한다.

Description

전경 영상 기반의 제품 검사 장치 및 방법{Device and method of product inspection based on foreground image}
본 발명은 영상처리를 이용한 제품 검사 장치 및 방법에 관한 것으로, 더욱 상세하게는 생산라인에서 제품의 전경 영상 등록을 기반으로 제품의 양불량을 검사하는 전경 영상 기반의 제품 검사 장치 및 방법에 관한 것이다.
일반적으로 생산라인에서 제품 생산 시 오류(불량품) 검출은 작업자가 수행한다. 작업자의 수작업에 의해 불량품을 검출할 경우, 실수가 발생될 수 있고 인건비로 인해 제품의 생산단가가 증가할 수 있다.
즉 제품의 오류를 검사를 수행하는 공장의 생산라인을 예시로 들어 설명한다. 제품 생산 시 발생하는 오류를 보면 작업자에 의해 조립되는 부품인 경우 부품이 빠지거나 잘못 끼워진 부품으로 인해 발생하는 단순 오류가 전체 오류 중 가장 발생 비율이 높은 것으로 알려져 있다. 단순 오류로 인한 서비스 처리 비용이 매우 높기 때문에 해당 단순 오류를 줄일 수 있는 방법에 대한 요구가 많은 편이다.
이러한 문제점을 해소하기 위해서, 머신 비전 시스템과 같은 영상처리를 이용한 제품 검사 장치가 사용되고 있다. 머신 비전 시스템은 제품의 크기, 길이, 색 등의 제품에 특화된 필요한 영상정보를 획득하여 제품의 오류를 검사한다.
하지만 생산라인에서 제품의 오류 발생 여부를 검사할 때, 영상처리 방식의 솔루션을 사용하는 경우, 제품 검사 장치의 관리자는 해당 영상처리 솔루션에 대한 사용 방법 등을 알아야 하고, 복잡한 솔루션 설치와 config 등의 작업을 해야 한다. 또한 생산하는 제품마다 제품의 크기 및 검사하려는 오류 종류의 다양성 등의 이유로 제품마다 다른 비전 솔루션을 이용해야만 한다.
따라서 제품 검사 장치는 여러 가지 비전 솔루션에 대한 복잡한 설치 과정과 초기화 과정이 필요하고, 제품 검사 장치의 관리자는 제품 검사 장치의 사용 방법에 대한 교육과 숙련 과정이 필요하다.
한국공개특허공보 제2012-0122318호(2012.11.07. 공개)
따라서 본 발명의 목적은 생산라인에서 단순 오류 검출을 위한 복잡한 솔루션 설치와 config 등의 작업 없이도 다양한 제품에 대하여 간편하게 단순 오류 검출을 수행하여 비용을 최소화할 수 있는 전경 영상 기반의 제품 검사 장치 및 방법을 제공하는 데 있다.
상기 목적을 달성하기 위하여, 본 발명은 제품 검사 장치는 생산라인에서 검사하고자 하는 제품의 양품을 포함한 전경 영상을 복수회 등록하여 학습된 전경 영상을 생성하는 단계; 상기 제품 검사 장치는 상기 생산라인에 검사하고자 하는 제품이 투입되면, 상기 제품의 현재 전경 영상을 획득하는 단계; 및 상기 제품 검사 장치는 상기 현재 전경 영상과 상기 학습된 전경 영상을 비교하여 상기 제품의 양불량을 검사하는 단계;를 포함하는 전경 영상 기반의 제품 검사 방법을 제공한다.
상기 생성하는 단계에서, 상기 제품 검사 장치는 상기 학습된 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출한다.
상기 검사하는 단계는, 상기 제품 검사 장치는 상기 현재 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출하는 단계; 상기 제품 검사 장치는 상기 현재 전경 영상과 상기 학습된 전경 영상의 표준편차의 차이값을 산출하는 단계; 및 상기 제품 검사 장치는 산출된 차이값이 설정된 임계값을 초과하면 상기 제품을 불량품으로 판정하고, 상기 임계값 이내이면 상기 제품을 양품으로 판정하는 단계;를 포함한다.
상기 양품으로 판정하는 단계 이후에 수행되는, 상기 제품 검사 장치는 양품으로 판정된 상기 현재 전경 영상을 상기 학습된 전경 영상에 배경으로 등록하는 단계;를 더 포함한다.
상기 등록하는 단계에서, 상기 제품 검사 장치는 상기 양품으로 판정된 상기 현재 전경 영상에 가중치를 적용하여 상기 학습된 전경 영상에 배경으로 등록할 수 있다.
상기 검사하는 단계에서, 상기 제품 검사 장치는 제품에서 부품이 누락되거나 부품이 잘못된 위치에 장착되거나 다른 부품으로 잘못 장착되어 있는 지의 여부로 양불량을 검사한다.
본 발명은 또한, 생산라인에 설치되어 제품을 포함한 전경 영상을 촬영하는 카메라부; 학습된 전경 영상을 저장하는 저장부; 및 상기 생산라인에서 검사하고자 하는 제품의 양품을 포함한 전경 영상을 복수회 등록하여 학습된 전경 영상을 생성하여 상기 저장부에 저장하고, 상기 생산라인에 검사하고자 하는 제품이 투입되면 상기 제품의 현재 전경 영상을 획득하고, 상기 현재 전경 영상과 상기 학습된 전경 영상을 비교하여 상기 제품의 양불량을 검사하는 제어부;를 포함하는 전경 영상 기반의 제품 검사 장치를 제공한다.
그리고 상기 제어부는 상기 학습된 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출하여 상기 저장부에 저장한다. 제어부는, 상기 제품 검사 시, 상기 현재 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출한 후, 상기 현재 전경 영상과 상기 학습된 전경 영상의 표준편차의 차이값을 산출하고, 산출된 차이값이 설정된 임계값을 초과하면 상기 제품을 불량품으로 판정하고, 상기 임계값 이내이면 상기 제품을 양품으로 판정한다.
본 발명에 따른 제품 검사 장치는 제품의 크기, 길이, 색 등에 상관없이, 제품을 전경으로 등록하여 전경 기반 제품 오류 검사를 실시함으로써, 제품마다 다른 솔루션 및 config가 필요 없어 간편한 라인 설치, 운용 방법 및 설치 이동성을 제공할 수 있다.
본 발명에 따른 제품 검사 장치는 제품을 전경으로 등록하여 전경 기반 제품 오류 검사를 실시하기 때문에, 제품 오류 검출에 대한 초기화 과정이 간단하여 비전문가도 제품 검사 장치를 손쉽게 사용할 수 있다.
그리고 본 발명에 따른 제품 검사 장치는 특정 제품에 특화된 제품 검사 장치와 달리 특정 제품에 종속되지 않기 때문에, 다양한 환경과 분야의 제품에 적용할 수 있는 이점이 있다.
도 1은 본 발명의 실시예에 따른 전경 영상 기반의 제품 검사 장치의 카메라부가 생산라인에 설치된 상태를 보여주는 도면이다.
도 2는 본 발명의 실시예에 따른 전경 영상 기반의 제품 검사 장치의 세부 구성을 보여주는 블록도이다.
도 3은 본 발명의 실시예에 따른 전경 영상 기반의 제품 검사 방법에 따른 흐름도이다.
도 4는 도 3의 양불량을 검사하는 단계에 대한 상세 흐름도이다.
도 5 내지 도 11은 도 3의 제품 검사 방법에 따른 N회 양품의 전경 영상을 등록하여 학습된 전경 영상을 생성하는 단계를 보여주는 사진들이다.
도 12 및 도 13은 도 3의 제품 검사 방법에 따른 불량품을 선별하는 단계를 보여주는 사진들이다.
하기의 설명에서는 본 발명의 실시예를 이해하는데 필요한 부분만이 설명되며, 그 이외 부분의 설명은 본 발명의 요지를 흩트리지 않는 범위에서 생략될 것이라는 것을 유의하여야 한다.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 보다 상세하게 설명하고자 한다.
도 1은 본 발명의 실시예에 따른 전경 영상 기반의 제품 검사 장치의 카메라부가 생산라인에 설치된 상태를 보여주는 도면이다.
도 1을 참조하면, 본 실시예에 따른 전경 영상 기반의 제품 검사 장치(30)는 제품(10)이 생산되는 생산라인(20)에 설치되어, 생산라인(20)으로 이동하는 제품(10)의 단순 오류를 검사하는 장치이다.
여기서 제품(10)의 단순 오류는 제품(10)에서 부품이 누락되거나 부품이 잘못된 위치에 장착되거나 다른 부품으로 잘못 장착되는 것을 의미한다.
제품(10)은 생산라인(20)을 따라서 이동하며, 제품(10)이 이동하는 생산라인(20) 상에 제품 검사 장치(30)의 카메라부(31)가 설치되어 제품(10)을 포함한 전경 영상을 촬영한다.
제품 검사 장치(30)는 카메라부(31)로 획득한 제품(10)의 현재 전경 영상과 기 저장된 학습된 전경 영상을 비교하여 제품(10)의 양불량을 검사한다. 학습된 전경 영상은 양품으로 판정된 제품(10)의 전경 영상들을 포함한다.
그리고 제품 검사 장치(30)의 양불량의 검사 결과에 따라서, 분류부(40)는 제품(10)을 양품과 불량품으로 분류한다.
이와 같은 본 실시예에 따른 제품 검사 장치(30)에 대해서 도 1 및 도 2를 참조하여 설명하면 다음과 같다. 여기서 도 2는 본 발명의 실시예에 따른 전경 영상 기반의 제품 검사 장치(30)의 세부 구성을 보여주는 블록도이다.
본 실시예에 따른 제품 검사 장치(30)는 카메라부(31), 저장부(33) 및 제어부(37)를 포함하며, 통신부(35)를 더 포함할 수 있다.
카메라부(31)는 피사체의 촬영 기능을 수행하며, 제어부(37)의 제어에 따라서 생산라인(20)에 설치되어 제품(10)을 포함한 전경 영상을 촬영한다. 카메라부(31)는 촬영된 제품(10)의 전경 영상을 제어부(37)로 전송한다. 카메라부(31)는 이미지 센서, 신호처리부 및 영상처리부를 포함하여 구성될 수 있다. 이미지 센서는 촬영한 영상의 광신호를 아날로그 신호로 변환한다. 신호처리부는 아날로그 신호를 디지털 신호로 변환한다. 그리고 영상처리부는 신호처리부를 통해 입력되는 영상신호를 처리하여 전경 영상 정보를 획득하며, 획득한 전경 영상 정보를 제어부(37)로 전송하거나 저장부(33)에 저장할 수 있다.
저장부(33)는 제품 검사 장치(30)의 동작 제어시 필요한 프로그램과, 그 프로그램 수행 중에 발생되는 정보를 저장한다. 저장부(33)는 학습된 전경 영상을 저장한다. 저장부(33)는 학습된 전경 영상의 복수의 픽셀 단위로 산출된 평균과 표준편차를 저장한다.
통신부(35)는 제어부(31)의 제어에 따라 제품(10)의 검사 결과를 분류부(40)로 전송한다. 이때 분류부(40)는 검사 결과에 따라서 검사가 완료된 제품(10)을 양품과 불량품으로 분류한다.
그리고 제어부(37)는 제품 검사 장치(30)의 전반적인 제어 동작을 수행하는 마이크로프로세서(microprocessor)이다. 제어부(37)는 생산라인(20)에서 검사하고자 하는 제품(10)의 양품을 포함한 전경 영상을 복수회 등록하여 학습된 전경 영상을 생성하여 저장부(33)에 저장한다. 제어부(35)는 생산라인(20)에 검사하고자 하는 제품(10)이 투입되면, 제품(10)의 현재 전경 영상을 획득한다. 그리고 제어부(37)는 현재 전경 영상과 학습된 전경 영상을 비교하여 제품(10)의 양불량을 검사한다.
이때 제어부(37)는 양품에 대한 학습을 통하여 부품이 누락되거나 다른 부품으로 잘못 장착되는 단순 오류들을 검출한다. 생산라인(20) 설치 후 초기에 검출하고자 하는 제품(10)의 양품에 대해서 순차적으로 학습할 수 있도록 전경 영상을 입력하면, 제어부(37)는 순차적으로 입력된 양품의 전경 영상을 등록하여 학습을 수행한다. 그리고 검사를 진행할 제품(10)의 전경 영상의 표준편차 및 임계값을 이용하여 학습 시 등록된 전경 영상과의 차이를 산출한다. 특정 위치에서의 차이값이 학습 시 계산된 양품 영상의 표준편차의 임계값 범위를 벗어나는 경우, 특정 위치에 부품 오류가 발생한 것으로 판단 한다
즉 제어부(37)는 제품(10)의 양불량 검사를 아래와 같이 수행할 수 있다. 먼저 제어부(37)는 학습된 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출하고, 산출한 평균과 표준편차를 저장부(33)에 저장한다.
제품 검사 시, 제어부(37)는 현재 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출한다. 다음으로 제어부(37)는 현재 전경 영상과 학습된 전경 영상의 표준편차의 차이값을 산출한다. 그리고 제어부(37)는 산출된 차이값이 설정된 임계값을 초과하면 해당 제품(10)을 불량품으로 판정하고, 임계값 이내이면 해당 제품(10)을 양품으로 판정한다.
전경 영상의 평균과 표준편차는 복수의 픽셀을 하나의 셀 단위로 해서 평균과 표준편차를 산출한다. 이때 1셀은 M×M 픽셀로 설정될 수 있다(M은 2 이상의 연수). 예컨대 1셀은 2×2 픽셀 또는 4×4 픽셀로 설정될 수 있다.
한편 제어부(37)는 양품으로 판정된 제품(10)의 전경 영상에 대해서는 학습을 수행한다. 즉 제어부(37)는 양품으로 판정된 현재 전경 영상을 학습된 전경 영상에 배경으로 등록한다. 제어부(37)는 양품으로 판정된 현재 전경 영상의 학습을 통해서 학습된 전경 영상의 평균과 표준편차를 업데이트 한다.
그리고 제어부(37)는 양품으로 판정된 현재 전경 영상에 가중치를 적용하여 학습된 전경 영상에 배경으로 등록한다. 가중치는 현재 프레임 데이터에 곱해지는 알파 값을 의미한다.
본 실시예에 따른 전경 영상 기반의 제품 검사 방법에 대해서 도 1 내지 도 4를 참조하여 설명하면 다음과 같다. 여기서 도 3은 본 발명의 실시예에 따른 전경 영상 기반의 제품 검사 방법에 따른 흐름도이다. 그리고 도 4는 도 3의 양불량을 검사하는 단계에 대한 상세 흐름도이다.
먼저 실제 제품 검사 앞서서, S10단계에서 제품 검사 장치(30)는 생산라인(20)에서 검사하고자 하는 제품(10)의 양품을 포함한 전경 영상을 복수회 등록하여 학습된 전경 영상을 생성한다. 이때 S10단계에서 제품 검사 장치(30)는 학습된 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출한다.
다음으로 S20단계에서 제품 검사 장치(30)는 생산라인(20)에 검사하고자 하는 제품(10)이 투입되면, 제품(10)의 현재 전경 영상을 획득한다. 이때 S20단계에서 제품 검사 장치(30)는 카메라부(31)를 통하여 생산라인(20)을 따라 이동하는 제품(10)의 현재 전경 영상을 획득한다.
이어서 S30단계에서 제품 검사 장치(30)는 현재 전경 영상과 학습된 전경 영상을 비교하여 제품의 양불량을 검사한다.
다음으로 3S30단계 이후에 S40단계에서 제품 검사 장치(30)는 제품 검사의 종료 신호가 입력되는 지의 여부를 판단한다. S40단계의 판단 결과 종료 신호가 입력되지 않은 경우, 제품 검사 장치(30)는 S20단계부터 다시 수행한다.
그리고 S40단계의 판단 결과 종료 신호가 입력되는 경우, 제품 검사 장치(30)는 제품 검사를 종료한다.
여기서 S30단계에 대해서 도 4를 참조하여 구체적으로 설명하면 다음과 같다.
먼저 S31단계에서 제품 검사 장치930)는 현재 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출한다.
다음으로 S33단계에서 제품 검사 장치(30)는 현재 전경 영상과 학습된 전경 영상의 표준편차의 차이값을 산출한다.
다음으로 S35단계에서 제품 검사 장치(30)는 산출된 차이값이 설정된 임계값을 비교한다.
S35단계의 비교 결과 차이값이 임계값을 초과하면, S37단계에서 제품 검사 장치(30)는 해당 제품(10)을 불량품으로 판정한다.
S35단계의 비교 결과 차이값이 임계값 이내이면, S38단계에서 제품 검사 장치(30)는 해당 제품(10)을 양품으로 판정한다.
그리고 S39단계에서 제품 검사 장치(30)는 양품으로 판정된 현재 전경 영상을 학습된 전경 영상에 배경으로 등록한다. 즉 제품 검사 장치(30)는 양품으로 판정된 현재 전경 영상의 학습을 통해서 학습된 전경 영상의 평균과 표준편차를 업데이트 한다.
이와 같은 본 실시예에 따른 제품 검사 방법을 실제 제품에 적용한 예를 도 5 내지 도 13을 참조하여 설명하면 다음과 같다.
도 5 내지 도 11은 도 3의 제품 검사 방법에 따른 N회 양품의 전경 영상을 등록하여 학습된 전경 영상을 생성하는 단계를 보여주는 사진들이다. 이때 제품으로는 메인보드를 사용하였다.
도 5는 양품 영상을 보여준다. 도 6은 학습 시 등록되는 전경 영상을 보여준다.
도 5(a)는 1회 양품 영상이고, 도 6(a)는 1회 학습된 전경 영상이다. 즉 1회 양품 영상이 1회 학습된 전경 영상과 동일한 것을 확인할 수 있다.
도 5(b)는 2회 양품 영상[2회 현재 전경 영상]이고, 도 6(b)는 2회 학습된 전경 영상이다. 1회 학습된 전경 영상에 2회 양품 영상이 배경으로 등록된다.
그리고 도 7은 N회 학습된 전경 영상을 보여준다.
도 8 내지 도 10은 2 내지 4회의 현재 전경 영상과 학습된 전경 영상의 차이를 보여주는 사진이다. 여기서 도 8은 2회 현재 전경 영상과 1회 학습된 전경 영상의 차이를 보여준다. 도 9는 3회 현재 전경 영상과 2회 학습된 전경 영상의 차이를 보여준다. 그리고 도 10은 4회 현재 전경 영상과 3회 학습된 전경 영상의 차이를 보여준다.
도 8을 참조하면 1회 학습된 전경 영상과 2회 현재 전경 영상은 학습이 덜되었기 때문에 심한 차이를 보이는 것을 확인할 수 있다. 도 9 및 도 10에 도시된 바와 같이, 학습이 거듭 될수록 학습된 전경 영상과 현재 전경 영상의 차이가 적어지는 것을 확인할 수 있다.
1회 내지 N회 학습된 전경 영상을 보면, 생산라인에서 제품이 항상 고정된 자리에 정확히 오지 않고 위치의 오차가 존재하기 때문에, 학습된 전경 영상에 약간의 변화가 생기는 것을 확인할 수 있다.
다음으로 N회 학습된 전경 영상을 이용하여 불량품의 검사는 도 12 및 도 13과 같이 수행될 수 있다. 도 12 및 도 13은 도 3의 제품 검사 방법에 따른 불량품을 선별하는 단계를 보여주는 사진들이다. 여기서 도 12는 불량품으로, 도 5의 양품과 비교할 때, 메인보드의 왼쪽 상단(A) 및 왼쪽 하단의 나사(B)가 누락되어 있다.
도 13은 도 12에 따른 현재 전경 영상과 N회 학습된 전경 영상의 차이를 보여준다. 도 13을 참조하면, 불량품의 경우 양품과 달리 나사가 누락된 부분(A',B')에서 학습된 N회 전경 영상과 현재 전경 영상의 차이가 심하게 발생하는 것을 확인할 수 있다. 즉 나사가 빠진 부분이 하얗게 검출되는 것을 확인할 수 있다. 이러한 차이는 제품 검사 장치는 상기 현재 전경 영상과 상기 학습된 전경 영상의 표준편차의 차이값으로 확인할 수 있다.
한편, 본 명세서와 도면에 개시된 실시예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게는 자명한 것이다.
10 : 제품
20 : 생산라인
30 : 제품 검사 장치
31 : 카메라부
33 : 저장부
35 : 통신부
37 : 제어부
40 : 분류부

Claims (8)

  1. 제품 검사 장치는 생산라인에서 검사하고자 하는 제품의 양품을 포함한 전경 영상을 복수회 등록하여 학습된 전경 영상을 생성하는 단계;
    상기 제품 검사 장치는 상기 생산라인에 검사하고자 하는 제품이 투입되면, 상기 제품의 현재 전경 영상을 획득하는 단계; 및
    상기 제품 검사 장치는 상기 현재 전경 영상과 상기 학습된 전경 영상을 비교하여 상기 제품의 양불량을 검사하는 단계;
    를 포함하는 전경 영상 기반의 제품 검사 방법.
  2. 제1항에 있어서, 상기 생성하는 단계에서,
    상기 제품 검사 장치는 상기 학습된 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출하는 것을 특징으로 하는 전경 영상 기반의 제품 검사 방법.
  3. 제2항에 있어서, 상기 검사하는 단계에서,
    상기 제품 검사 장치는 상기 현재 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출하는 단계;
    상기 제품 검사 장치는 상기 현재 전경 영상과 상기 학습된 전경 영상의 표준편차의 차이값을 산출하는 단계; 및
    상기 제품 검사 장치는 산출된 차이값이 설정된 임계값을 초과하면 상기 제품을 불량품으로 판정하고, 상기 임계값 이내이면 상기 제품을 양품으로 판정하는 단계;
    를 포함하는 것을 특징으로 하는 전경 영상 기반의 제품 검사 방법.
  4. 제3항에 있어서, 상기 양품으로 판정하는 단계 이후에 수행되는,
    상기 제품 검사 장치는 양품으로 판정된 상기 현재 전경 영상을 상기 학습된 전경 영상에 배경으로 등록하는 단계;
    를 더 포함하는 것을 특징으로 하는 전경 영상 기반의 제품 검사 방법.
  5. 제4항에 있어서, 상기 등록하는 단계에서,
    상기 제품 검사 장치는 상기 양품으로 판정된 상기 현재 전경 영상에 가중치를 적용하여 상기 학습된 전경 영상에 배경으로 등록하는 것을 특징으로 하는 전경 영상 기반의 제품 검사 방법.
  6. 제1항에 있어서, 상기 검사하는 단계에서,
    상기 제품 검사 장치는 제품에서 부품이 누락되거나 부품이 잘못된 위치에 장착되거나 다른 부품으로 잘못 장착되어 있는 지의 여부로 양불량을 검사하는 것을 특징으로 하는 전경 영상 기반의 제품 검사 방법.
  7. 생산라인에 설치되어 제품을 포함한 전경 영상을 촬영하는 카메라부;
    학습된 전경 영상을 저장하는 저장부;
    상기 생산라인에서 검사하고자 하는 제품의 양품을 포함한 전경 영상을 복수회 등록하여 학습된 전경 영상을 생성하여 상기 저장부에 저장하고, 상기 생산라인에 검사하고자 하는 제품이 투입되면 상기 제품의 현재 전경 영상을 획득하고, 상기 현재 전경 영상과 상기 학습된 전경 영상을 비교하여 상기 제품의 양불량을 검사하는 제어부;
    를 포함하는 전경 영상 기반의 제품 검사 장치.
  8. 제7항에 있어서, 상기 제어부는,
    상기 학습된 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출하여 상기 저장부에 저장하고,
    상기 제품 검사 시, 상기 현재 전경 영상의 복수의 픽셀 단위로 평균과 표준편차를 산출한 후, 상기 현재 전경 영상과 상기 학습된 전경 영상의 표준편차의 차이값을 산출하고, 산출된 차이값이 설정된 임계값을 초과하면 상기 제품을 불량품으로 판정하고, 상기 임계값 이내이면 상기 제품을 양품으로 판정하는 것을 특징으로 하는 전경 영상 기반의 제품 검사 장치.
KR1020170160272A 2017-11-28 2017-11-28 전경 영상 기반의 제품 검사 장치 및 방법 KR20190061660A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170160272A KR20190061660A (ko) 2017-11-28 2017-11-28 전경 영상 기반의 제품 검사 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170160272A KR20190061660A (ko) 2017-11-28 2017-11-28 전경 영상 기반의 제품 검사 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20190061660A true KR20190061660A (ko) 2019-06-05

Family

ID=66845067

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170160272A KR20190061660A (ko) 2017-11-28 2017-11-28 전경 영상 기반의 제품 검사 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20190061660A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210066541A (ko) * 2019-11-28 2021-06-07 서은석 영상 분석 기반 비정상 객체 검출 시스템 및 방법
KR20220129770A (ko) 2021-03-17 2022-09-26 주식회사 스피어테크 제품 확인 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120122318A (ko) 2011-04-28 2012-11-07 한국지능기계 주식회사 다품종 제품을 위한 머신비전 검사기

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120122318A (ko) 2011-04-28 2012-11-07 한국지능기계 주식회사 다품종 제품을 위한 머신비전 검사기

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210066541A (ko) * 2019-11-28 2021-06-07 서은석 영상 분석 기반 비정상 객체 검출 시스템 및 방법
KR20220129770A (ko) 2021-03-17 2022-09-26 주식회사 스피어테크 제품 확인 장치

Similar Documents

Publication Publication Date Title
KR20220041212A (ko) 거짓점 결함 검출 기반의 pcb 유지보수 시스템 및 유지보수 방법
US10438340B2 (en) Automatic optical inspection system and operating method thereof
US10885626B2 (en) Identifying apparatus, identifying method, and program
KR101665644B1 (ko) 차량용 와이어링 하네스 커넥터 단자 검사 시스템 및 방법
US10366484B2 (en) Inspection method, inspection apparatus, processing apparatus, and recording medium for detecting defects of a work
TW201840991A (zh) 電路板點膠檢測裝置及檢測方法
KR100598381B1 (ko) 인-라인 타입의 자동 웨이퍼결함 분류장치 및 그 제어방법
CN110476056A (zh) 一种视觉检测方法、检测设备以及机器人
WO2018087932A1 (ja) 保存画像の再分類システム及び再分類方法
WO2018068417A1 (zh) 元件缺陷检测方法和系统
CN108492327B (zh) Aoi图像匹配方法、系统、可读存储介质及智能设备
CN109425327B (zh) 检查系统和检查用图像的修正方法
KR20190061660A (ko) 전경 영상 기반의 제품 검사 장치 및 방법
CN115861153A (zh) 图像检测方法、计算机装置及存储介质
CN115375610A (zh) 检测方法及装置、检测设备和存储介质
US20130044223A1 (en) Method for testing an image capturing device
CN117455887A (zh) 基于机器视觉的pcb来料检测方法、装置、设备及介质
KR102091014B1 (ko) 머신 비전 장치 및 머신 비전을 이용한 제품 검사 방법
US11557032B2 (en) Device and method for the calibrated checking of a printing on an article
CN109712115B (zh) 一种pcb板自动检测方法及系统
US7551765B2 (en) Electronic component detection system
JP2020197983A (ja) 対象物の計測方法、計測装置、プログラム、およびコンピュータ読取り可能な記録媒体
KR20220130398A (ko) 차량 검사 장치 및 차량의 검사 방법
KR101559941B1 (ko) 인쇄패턴 불량 검사 시스템
KR101659309B1 (ko) 비전 검사 장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application